Vergelijkende AI-geoptimaliseerde HPLC–DAD-strategie voor de gelijktijdige bepaling van ranolazine, amlodipine en diltiazem met farmacotherapeutische relevantie en multitraits duurzaamheidsevaluatie

Waarom dit belangrijk is voor hartpatiënten

Mensen met chronische pijn op de borst (angina) en hoge bloeddruk krijgen vaak meerdere hartmedicijnen tegelijk voorgeschreven. Artsen en apothekers hebben eenvoudige, betrouwbare methoden nodig om te controleren dat deze medicijnen in tabletten en in het bloed in de juiste hoeveelheden aanwezig zijn. Deze studie beschrijft een nieuwe laboratoriumtest die drie van deze geneesmiddelen in één run kan meten, terwijl chemisch afval en ontwikkelingstijd worden verminderd door gebruik van kunstmatige intelligentie (AI) en moderne duurzaamheidstools.

Drie geneesmiddelen die samenwerken

Het werk richt zich op ranolazine, amlodipine en diltiazem, een trio dat vaak wordt gebruikt om pijn op de borst te verlichten, de bloeddruk te beheersen en het hartritme te stabiliseren. Ranolazine helpt de hartspier zuurstof efficiënter te gebruiken zonder de hartslag of bloeddruk sterk te veranderen. Amlodipine en diltiazem verwijden bloedvaten en beïnvloeden de hartfrequentie. Omdat deze middelen vaak samen worden gegeven, is een enkele test die alle drie tegelijk kan kwantificeren zeer waardevol voor kwaliteitscontrole van tabletten, ondersteuning van toekomstige combinatieproducten en onderzoek naar het gedrag van de geneesmiddelen in het lichaam.

Een slimmer manier om geneesmiddelen te scheiden en te meten

De onderzoekers ontwikkelden een verbeterde versie van een veelgebruikte labtechniek, bekend als high-performance vloeistofchromatografie met een diode-array detector (HPLC–DAD). In eenvoudige termen duwt deze methode een vloeibaar monster door een smalle kolom gevuld met een speciaal materiaal dat elk geneesmiddel in verschillende mate vertraagt, zodat ze na elkaar verschijnen en gemeten kunnen worden. Het team koos zorgvuldig het type kolom, de menging van water en organische oplosmiddelen en de zuurgraad van de vloeistof, zodat alle drie de geneesmiddelen in ongeveer zes minuten helder scheiden met scherpe, goed gescheiden pieken, zelfs wanneer hun chemische eigenschappen elkaar overlappen.

Hoe AI het proces versnelde en schoner maakte

In plaats van alleen te vertrouwen op trage trial‑and‑errorexperimenten, gebruikten de wetenschappers ook een AI‑geassisteerd hulpmiddel dat speciaal is ontworpen om startvoorwaarden voor HPLC voor te stellen. Ze voerden in het programma basisgegevens over de drie geneesmiddelen en het type kolom dat ze prefereren. De AI stelde een werkbaar startrecept en een logische reeks fijninstellingen voor. In het laboratorium vereisten deze suggesties slechts een paar aanpassingen om tot een uitstekende eindmethode te komen, wat de tijd, het oplosmiddelgebruik en de inspanning drastisch verminderde vergeleken met volledig handmatige optimalisatie. De eindmethode voldeed aan internationale richtlijnen voor lineariteit, gevoeligheid, nauwkeurigheid, precisie en selectiviteit, en werkte niet alleen op zuivere geneesmiddellen en commerciële tabletten, maar ook op rattenplasma‑monsters waarin alle drie de medicijnen waren toegevoegd.

Beoordeling van zowel prestaties als milieuvriendelijkheid

Om verder te gaan dan het eenvoudige idee van “groene chemie” evalueerde het team hun methode met nieuwere “witte analytische chemie” tools die milieu-impact, analytische kwaliteit, praktisch nut en innovatie in balans brengen. Een webgebaseerd Multi‑Color Assessment platform combineerde verschillende bestaande scoremethoden tot een algemene “witheidsscore”, waarbij hogere waarden een betere algehele duurzaamheid aangeven. De nieuwe methode scoorde 64,8%, beter dan eerdere, meer complexe technieken die meer oplosmiddel en energie gebruikten. Een tweede hulpmiddel, de Need, Quality, and Sustainability (NQS) index, vergeleek de AI‑geoptimaliseerde methode met een traditioneel geoptimaliseerde versie. De AI‑gestuurde aanpak behaalde een hogere totaalscore, voldeed aan meer van de duurzame ontwikkelingsdoelen van de Verenigde Naties, en leverde vergelijkbare of betere analytische kwaliteit met minder middelen.

Wat de studie eenvoudig gezegd aantoont

In wezen levert dit onderzoek een snelle, betrouwbare laboratoriumtest die drie belangrijke hartmedicijnen tegelijk kan meten in zowel tabletten als bloedmonsters, terwijl minder tijd, minder oplosmiddel en minder energie wordt gebruikt dan bij oudere benaderingen. Door AI te integreren in methodeontwikkeling en door milieu‑ en praktische aspecten rigoureus te scoren, biedt de studie een model voor hoe toekomstige labtests zowel wetenschappelijk sterk als vriendelijker voor de planeet kunnen zijn. Voor patiënten en zorgsystemen betekent dat betrouwbaardere kwaliteitscontroles en betere ondersteuning voor combinatiebehandelingen, bereikt op een manier die zowel de menselijke gezondheid als de milieugezondheid respecteert.

Bronvermelding: Aboras, S.I., Korany, M.A., Yehia, R.A. et al. Comparative AI-optimized HPLC–DAD strategy for the simultaneous determination of ranolazine, amlodipine, and diltiazem with pharmacotherapeutic relevance and multi-trait sustainability assessment. Sci Rep 16, 13407 (2026). https://doi.org/10.1038/s41598-026-48679-w

Trefwoorden: medicatie voor chronische angina, HPLC geneesmiddelanalyse, AI in analytische chemie, duurzame laboratoriummethoden, cardiovasculaire farmacotherapie